Python Numpy：与NaN值相乘，而不使用NaN_to_num

我使用

numpy

对程序中的一些操作进行了优化。当我分析一次跑步时，我注意到大部分时间都花在

numpy.nan\u to_num

上。我想进一步改进这一点

发生的计算类型是两个数组的乘法，其中一个数组可能包含

nan

值。我希望这些被视为零，但我不能用零初始化数组，因为

nan

稍后有意义，不能设置为0。有没有一种方法可以将

nan

作为零进行乘法（和加法）

从

nan_to_num

docstring中，我可以看到一个新的数组产生了，这可能解释了为什么需要这么长时间

将nan替换为零，将inf替换为有限数

返回一个数组或标量，将非数字（NaN）替换为零

---

类似于任意算术运算的函数将非常有用。

以下是一些示例数据：

import numpy as np

a = np.random.rand(1000, 1000)
a[a < 0.1] = np.nan    # set some random values to nan
b = np.ones_like(a)

如果必须对包含NANS的数组进行多个操作，您可以考虑使用，它提供了一种处理丢失或无效值的更通用的方法：

masked_a = np.ma.masked_invalid(a)

result2 = masked_a * b

这里，

result2

是另一个

np.ma.masked_数组

，它的

.mask

属性是根据NaN值在

a

中的位置设置的。要将其转换回正常的

np.ndarray

，并将屏蔽值替换为0，您可以使用

.filled（）

方法，传入您选择的填充值：

result_filled = result2.filled(0)

assert np.all(result_filled == result)

---

这个

屏蔽的\u无效的

和随后的

填充的

方法实际上需要比

nan\u到\u num

更长的时间（至少在我的用例中是这样）。好的，那么使用

np怎么样呢？你能给出一个真实的测试用例吗？是的。忘了提了。这实际上效果很好（而且速度更快）。您是否愿意详细介绍一下
np。您的上下文中
的作用是什么？我有一个构造，比如
（p*np.nan\u to_num（s））.sum（axis=3，out=p）
，并试图将其转换为
p=np。其中（s，0，s*p）.sum（axis=3）
，但这似乎没有给出相同的结果。我的转换正确吗？语法是
np.where（条件，val\u where\u true，val\u where\u false）
。在您的示例中，如果
s
等于NaN，
s*p
如果
s
不等于NaN，则希望生成的数组的值为0。因此：
np.where（np.isnan（s），0，s*p）
。
result_filled = result2.filled(0)

assert np.all(result_filled == result)